Masterarbeit zur optischen Anomaliedetektion
Hensoldt AG
| Company | Hensoldt AG |
| Category | Engineering |
| Location | DE |
| Remote | — |
| Employment | Not stated |
| Level | Intern |
| Salary | Not stated by the employer |
| First seen | 3 Aug 2026 (the employer did not state a posting date) |
| Last verified | 10 Aug 2026 |
| Source | The employer's own careers page (company_site) |
Description
Masterarbeit zur optischen Anomaliedetektion Stellendetails | HENSOLDT
Standorte
• UK
Standorte
• UK
Standorte
• UK
Wählen Sie aus, wie oft (in Tagen) Sie eine Benachrichtigung erhalten möchten:
Benachrichtigung erstellen
Masterarbeit zur optischen Anomaliedetektion
Masterarbeit zur optischen Anomaliedetektion
Stellen-ID:
2867
Standort:
Oberkochen, DE, 73447
Unternehmenseinheit:
HENSOLDT Optronics GmbH
Über den Bereich
Bist du ein Student in einem naturwissenschaftlichen oder ingenieurtechnischen Studiengang und suchst nach einer interessanten Masterarbeit in der Industrie? Arbeitest du selbstständig und mit hoher Eigenmotivation? Im Team "Bildanalyse" der HENSOLDT Optronics GmbH in Oberkochen, Einsatzort Aalen suchen wir einen engagierten Studenten (m/w/d) für eine Abschlussarbeit im Bereich der Anomalie-Detektion in Videos.
Wir sind ein junges Entwicklungsteam, das eine innovative Echtzeit-Bildverarbeitungsanwendung entwickelt, um Videodaten zu verbessern und auszuwerten sowie Sensordaten zu fusionieren. Damit helfen wir, das Unsichtbare sichtbar zu machen, Bedrohungen zu erkennen und manuelle Bewertungsprozesse zu automatisieren.
In deiner Rolle bei uns wirst du die Forschung und Entwicklung modernster Algorithmen unterstützen und an der (weiteren) Entwicklung von Prototypen in enger Zusammenarbeit mit dem Entwicklungsteam arbeiten. Wir freuen uns auf deine Bewerbung!
Deine Aufgaben
• Durchführung wissenschaftlicher Literaturrecherchen
• Bewertung und Weiterentwicklung von aktuellen Ansätzen zur Live-Anomaliedetektion in Videos
• Arbeit mit und Verbesserung von Datensätzen, die beim Training moderner KI-Systeme verwendet werden
• Unterstützung bei der Entwicklung von Prototyp-KI-Systemen
Dein Profil
• Studierender (m/w/d) der Fachrichtungen Informatik, Physik, Elektrotechnik, Luft- und Raumfahrttechnik, Mathematik oder ähnlicher Studiengänge
• Kenntnisse in der Programmierung mit Python und KI-Algorithmen für Computer Vision
• Erfahrung in der Entwicklung moderner KI-Systeme für Computer Vision, wie Segmentierung, Klassifizierung, Objekterkennung, Anomalieerkennung
• Grundkenntnisse zu aktuellen Forschungsthemen im Bereich Computer Vision sind von Vorteil
• Fähigkeiten in der wissenschaftlichen Literaturrecherche und in der Auswertung von Videos sind von Vorteil
• Gründliche Arbeitsweise
• Deutsch- oder Englischkenntnisse auf Muttersprachniveau
Bitte laden bei deiner Bewerbung die aktuell gültige Immatrikulationsbescheinigung hoch.
Willst du Teil eines zukunftsorientierten Unternehmens werden? Bist du bereit, Verantwortung in spannenden internationalen und nationalen Projekten zu übernehmen? Dann bist du unser Kandidat!
Bewirb dich bitte ausschließlich online über unser Karriereportal mit deinem Lebenslauf und deinen Zeugnissen.
Solltest du weitere Fragen haben, kannst du dich gerne an unser Recruiting-Team wenden: [email protected]
Erfahre mehr über HENSOLDT und unsere Stellenangebote: www.hensoldt.net/studierende
Werde unser nächster Pionier. Bewirb dich jetzt und werde Teil des HENSOLDT-Teams!
HENSOLDT setzt sich für Vielfalt und eine integrative Firmenkultur ein. Daher begrüßen wir alle Bewerbungen – unabhängig von Herkunft, Alter, Geschlecht, Behinderung, Identität oder Weltanschauung.
Werden Sie unser nächster Pionier. Bewerben Sie sich jetzt und werden Sie Teil des HENSOLDT-Teams!
HENSOLDT setzt sich für Vielfalt und eine integrative Firmenkultur ein. Daher begrüßen wir alle Bewerbungen – unabhängig von Herkunft, Alter, Geschlecht, Behinderung, Identität oder Weltanschauung.
Wird auf einer neuen Registerkarte geöffnet.
Wird auf einer neuen Registerkarte geöffnet.
Wird auf einer neuen Registerkarte geöffnet.
Wird auf einer neuen Registerkarte geöffnet.
Wird auf einer neuen Registerkarte geöffnet.